論文の概要: FloorPP-Net: Reconstructing Floor Plans using Point Pillars for
Scan-to-BIM
- arxiv url: http://arxiv.org/abs/2106.10635v1
- Date: Sun, 20 Jun 2021 06:45:52 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-22 15:32:55.086451
- Title: FloorPP-Net: Reconstructing Floor Plans using Point Pillars for
Scan-to-BIM
- Title(参考訳): FloorPP-Net:Scan-to-BIMのためのポイントピラーを用いたフロアプランの再構築
- Authors: Yijie Wu and Fan Xue
- Abstract要約: 本稿では,FloorPP-Netという深層学習に基づくポイントクラウド処理手法を提案する。
建物ストーリーの入力ポイントクラウドをポイントピラー(PP)に変換し、コーナーとエッジを予測してフロアプランを出力する。
- 参考スコア(独自算出の注目度): 1.2691047660244335
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a deep learning-based point cloud processing method named
FloorPP-Net for the task of Scan-to-BIM (building information model).
FloorPP-Net first converts the input point cloud of a building story into point
pillars (PP), then predicts the corners and edges to output the floor plan.
Altogether, FloorPP-Net establishes an end-to-end supervised learning framework
for the Scan-to-Floor-Plan (Scan2FP) task. In the 1st International Scan-to-BIM
Challenge held in conjunction with CVPR 2021, FloorPP-Net was ranked the second
runner-up in the floor plan reconstruction track. Future work includes general
edge proposals, 2D plan regularization, and 3D BIM reconstruction.
- Abstract(参考訳): 本稿では,Scan-to-BIM(ビルディング情報モデル)の課題に対して,FloorPP-Netという深層学習に基づくポイントクラウド処理手法を提案する。
FloorPP-Netはまず、ビルディングストーリーの入力ポイントクラウドをポイントピラー(PP)に変換し、次にコーナーとエッジを予測してフロアプランを出力する。
さらに、FloorPP-NetはScan-to-Flan(Scan2FP)タスクのためのエンドツーエンドの教師あり学習フレームワークを確立する。
第1回国際スキャン・ツー・BIMチャレンジはCVPR 2021と共同で開催され、フロアPP-Netはフロアプラン再建トラックで2位にランクインした。
今後の作業には、汎用エッジの提案、2Dプランの正規化、3D BIMの再構築が含まれる。
関連論文リスト
- Skip-Connected Neural Networks with Layout Graphs for Floor Plan
Auto-Generation [0.0]
本稿では,レイアウトグラフを統合したスキップ接続型ニューラルネットワークを用いた新しい手法を提案する。
スキップ接続されたレイヤは、マルチスケールフロアプラン情報をキャプチャし、GNNによるエンコーダデコーダネットワークは、ピクセルレベルの確率ベースの生成を容易にする。
論文 参考訳(メタデータ) (2023-09-25T05:20:57Z) - A Hybrid Semantic-Geometric Approach for Clutter-Resistant Floorplan
Generation from Building Point Clouds [2.0859227544921874]
本研究では,レーザ走査型ビルディングポイント雲からのクラッタ耐性フロアプラン生成のためのハイブリッドセマンティック・ジオメトリ手法を提案する。
提案手法は,精度,リコール,インターセクション・オーバー・ユニオン(IOU),ベティ誤差,ワープ誤差の計測値を用いて評価する。
論文 参考訳(メタデータ) (2023-05-15T20:08:43Z) - 2D Floor Plan Segmentation Based on Down-sampling [1.4502611532302039]
ダウンサンプリング手法に基づく新しい2次元フロアプランセグメンテーション手法を提案する。
本手法では, フロアプランに連続的なダウンサンプリングを適用し, 構造情報の維持と複雑さの低減を図る。
論文 参考訳(メタデータ) (2023-03-24T04:39:50Z) - Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud
Analysis [66.49788145564004]
我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。
我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
論文 参考訳(メタデータ) (2022-12-17T15:05:25Z) - End-to-end Graph-constrained Vectorized Floorplan Generation with
Panoptic Refinement [16.103152098205566]
本研究では,1次元ベクトルのシーケンスとしてフロアプランを合成することを目的としている。
最初の段階では,ユーザが入力した部屋接続グラフをGCN(Graphal Network)でエンコードし,自動回帰トランスフォーマネットワークを適用して初期フロアプランを生成する。
初期設計を洗練し、より視覚的に魅力的なフロアプランを生成するために、GCNとトランスフォーマーネットワークからなる新しい汎視補正ネットワーク(PRN)を提案する。
論文 参考訳(メタデータ) (2022-07-27T03:19:20Z) - Point-to-Box Network for Accurate Object Detection via Single Point
Supervision [51.95993495703855]
オフ・ザ・シェルフ提案法(OTSP)の軽量な代替手法を提案する。
P2BNetは、アンカーのような方法で提案を生成することで、オブジェクト間のバランスの取れた提案バッグを構築することができる。
コードはCOCO.com/ucas-vg/P2BNetでリリースされる。
論文 参考訳(メタデータ) (2022-07-14T11:32:00Z) - Enabling Visual Action Planning for Object Manipulation through Latent
Space Roadmap [72.01609575400498]
高次元状態空間を有する複雑な操作タスクの視覚的行動計画のための枠組みを提案する。
低次元潜時空間におけるシステムダイナミクスを世界規模で捉えたグラフベースの構造であるタスク計画のためのLatent Space Roadmap(LSR)を提案する。
実ロボットで実行された2つの模擬ボックス積み重ねタスクと折り畳みタスクについて,本フレームワークの徹底的な検討を行う。
論文 参考訳(メタデータ) (2021-03-03T17:48:26Z) - Personal Fixations-Based Object Segmentation with Object Localization
and Boundary Preservation [60.41628937597989]
我々はPFOS(Personal Fixations-based Object)に着目し,過去の研究の課題に対処する。
視線オブジェクトをセグメント化するオブジェクトローカリゼーションと境界保存(OLBP)に基づく新しいネットワークを提案する。
OLBPは複数のタイプの深い監督の混合されたボトムアップおよびトップダウンの方法で整理されます。
論文 参考訳(メタデータ) (2021-01-22T09:20:47Z) - PMP-Net: Point Cloud Completion by Learning Multi-step Point Moving
Paths [54.459879603473034]
我々はPMP-Netと呼ばれる新しいニューラルネットワークを設計し、地球移動体の動作を模倣する。
不完全な入力の各点を移動させ、ポイントクラウドを完結させ、ポイント移動パスの合計距離が最も短くなる。
点レベルの厳密でユニークな対応を学習し、不完全な形状と完全なターゲットの間の詳細なトポロジーと構造的関係を捉えることができる。
論文 参考訳(メタデータ) (2020-12-07T01:34:38Z) - Plan2Vec: Unsupervised Representation Learning by Latent Plans [106.37274654231659]
Plan2vecは、強化学習にインスパイアされた教師なしの表現学習手法である。
Plan2vecは、近距離を用いて画像データセット上に重み付きグラフを構築し、その局所距離を、計画された経路上の経路積分を蒸留することによって、大域的な埋め込みに外挿する。
1つのシミュレーションと2つの実世界の画像データセットに対する Plan2vec の有効性を実証する。
論文 参考訳(メタデータ) (2020-05-07T17:52:23Z) - Scan2Plan: Efficient Floorplan Generation from 3D Scans of Indoor Scenes [9.71137838903781]
Scan2Planは,室内環境の構造要素の3次元スキャンから,フロアプランを正確に推定するための新しい手法である。
提案手法は、初期ステージがシーンの無秩序な点雲をクラスタリングする2段階のアプローチを取り入れたものである。
その後の段階では、各部屋について単純なポリゴンによってパラメータ化された閉周を推定する。
最後のフロアプランは、グローバル・コーディネート・システムにおけるすべての部屋周計の集合である。
論文 参考訳(メタデータ) (2020-03-16T17:59:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。